龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：金利合金制造工业(宁波)有限公司;宁波大学
摘要：本发明提供了一种基于深度学习的合金极限抗拉硬度预测方法，包括：步骤S1，采集关于目标合金抗拉硬度的数据集并清洗得到清洗后数据集；步骤S2，预处理得到预处理后特征值并筛选得到关键特征；步骤S3，将关键特征分别依次输入至随机森林模型、K邻近模型、梯度提升决策树模型和支持向量机模型中预测极限抗拉硬度；步骤S4，引入深度学习和机器学习算法，将各关键特征作为输入，将各极限抗拉硬度作为输出，构建得到BPNN神经网络模型，随后引入鲸鱼优化算法对超参数进行筛选与优化得到WOA‑BPNN神经网络模型；步骤S5，利用WOA‑BPNN神经网络模型预测得到目标合金内各关键特征的最优成份配比。有益效果是本发明能够提升合金极限抗拉强度以及成分配比的预测准确性。
主权项：1.一种基于深度学习的合金极限抗拉硬度预测方法，其特征在于，包括以下步骤：步骤S1，针对目标合金，采集关于所述目标合金抗拉硬度的数据集，并采用孤立森林算法对所述数据集进行数据清洗得到清洗后数据集；步骤S2，对所述清洗后数据集内的各个特征值进行预处理得到多个预处理后特征值，并采用MI互信息筛选得到各所述预处理后特征值中影响所述目标合金抗拉硬度的多个关键特征；步骤S3，将各所述关键特征分别依次输入至随机森林模型、K邻近模型、梯度提升决策树模型和支持向量机模型中预测得到对应的极限抗拉硬度；步骤S4，引入深度学习和机器学习算法，将各所述关键特征作为输入，将各所述极限抗拉硬度作为输出，构建训练得到BPNN神经网络模型，随后引入鲸鱼优化算法对所述BPNN神经网络模型的超参数进行筛选与优化得到WOA-BPNN神经网络模型；步骤S5，利用所述WOA-BPNN神经网络模型预测得到所述目标合金内各所述关键特征的最优成份配比，以指导制作出抗拉硬度更优的所述目标合金。
全文数据：
权利要求：
百度查询： 金利合金制造工业(宁波)有限公司 宁波大学 一种基于深度学习的合金极限抗拉硬度预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号